1 Ukryty chunk

Tutaj znajduje sie ukryty chunk, w ktorym wczytujemy pakiety (np. library(tidyverse)) oraz surowe dane

A tu jest przyklad blockquote’a


2 Surowe dane

Surowe dane wygladaja nastepujaco:

as_tibble(data.raw.df)
## # A tibble: 1,890 x 6
##    Date       Brand       Film.Code               Ratecard.Durati~ Metric  Value
##    <chr>      <chr>       <chr>                              <int> <chr>   <dbl>
##  1 2017-05-15 Blend a med Blend a med 3d white l~               30 Cost   7.07e5
##  2 2017-05-15 Blend a med Blend a med 3d white l~               30 TRP    1.38e1
##  3 2017-05-16 Blend a med Blend a med 3d white l~               30 Cost   1.35e6
##  4 2017-05-16 Blend a med Blend a med 3d white l~               30 TRP    2.50e1
##  5 2017-05-17 Blend a med Blend a med 3d white l~               30 Cost   9.32e5
##  6 2017-05-17 Blend a med Blend a med 3d white l~               30 TRP    1.88e1
##  7 2017-05-18 Blend a med Blend a med 3d white l~               30 Cost   1.13e6
##  8 2017-05-18 Blend a med Blend a med 3d white l~               30 TRP    1.19e1
##  9 2017-05-19 Blend a med Blend a med 3d white l~               30 Cost   1.08e6
## 10 2017-05-19 Blend a med Blend a med 3d white l~               30 TRP    2.28e1
## # ... with 1,880 more rows


3 Przygotowanie danych

Dane o aktywnosci i kosztach TV zostały wczytane i przerobione na format długi:

data.prep.df <- data.raw.df %>% 
    mutate(Date = as.Date(Date),
           Date = lubridate::floor_date(Date, unit = 'months')) %>% 
    group_by(Date, Metric) %>% 
    summarise(Value = sum(Value)) %>% 
    ungroup() %>% 
    pivot_wider(names_from  = 'Metric',
                values_from = 'Value',
                values_fill = 0)


4 Wykres wydatkow TV

Poniższy wykres przedstawia zsumowaną wartość wydatków TV brandów kosmetycznych w zadanym okresie czasu.

ggplot(data.prep.df, aes(x = Date)) +
    geom_line(aes(y = Cost)) +
    theme_minimal()


5 Funkcja gestosci rozkładu Gaussa

Rozklad normalny jest najczesciej wykorzystywanym rozkladem w statystyce

y = (1 / (sigma * sqrt(2*pi)) * exp(-0.5*((x-mu)/sigma)^2))


Zapis bardziej elegancki:

Wzor_z_internetu


6 Interaktywne raporty

6.1 Pakiety

Raporty knitowane do formatu HTML mogą być interaktywne przy wykorzystaniu takich pakietów jak:

  • Shiny
  • plotly
  • etc.


6.2 Interaktywny wykres

data.prep.brands.df <- data.raw.df %>% 
    mutate(Date = as.Date(Date),
           Date = lubridate::floor_date(Date, unit = 'months')) %>% 
    group_by(Date, Brand, Metric) %>% 
    summarise(Value = sum(Value)) %>% 
    ungroup() %>% 
    pivot_wider(names_from = 'Metric',
                values_from = 'Value',
                values_fill = 0)

plot_gg <- ggplot(data.prep.brands.df, aes(x = Date)) +
    geom_line(aes(y = TRP, col = Brand)) + 
    theme_minimal()

plotly::ggplotly(plot_gg)